EWZ und Machine Learning

Diese Studienarbeit wurde gemeinsam mit dem Unternehmen ewz durchgeführt und hat drei Ziele verfolgt. Erstes Ziel war die Analyse möglicher Optimierungen des Prognoseverfahrens von Stromwerten pro Kundengruppe. Das zweites Ziel bestand in der Überprüfung, ob die Klassifizierung der Kunden verbessert werden kann. Das letzte, optionale Ziel war die Erkennung von Eigenstromproduzenten.

Dazu wurden die Lastgangdaten, welche im 15 Minutentakt aufgezeichnet wurden, analysiert, um Patterns und Zusammenhänge zu erkennen. Anschliessend wurden Experimente mit diversen Algorithmen mit wiederum unterschiedlichen Hyperparametern durchgeführt. Nebst gewöhnlichen Machine Learning Algorithmen kamen auch Artificial Neural Networks aus dem Bereich des Deep Learnings zum Einsatz. Für die Untersuchung wurden die Tools R, Microsoft Azure ML Studio, Microsoft Azure ML Services, TensorFlow und Keras verwendet.

Die Ergebnisse bestätigen, dass das Prognoseverfahren von ewz verbessert werden kann. Bei der Klassifizierung konnte mit dem verwendeten Algorithmus keine bessere Segmentierung gefunden werden.